MySQL 8.4 发行说明
Unicode 标准包括来自基本多语言平面 (BMP) 的字符以及位于 BMP 之外的补充字符。本节介绍 MySQL 中对 Unicode 的支持。有关 Unicode 标准本身的信息，请访问 Unicode 联盟网站。
BMP 字符具有以下特征
它们的代码点值介于 0 到 65535 之间（或
U+0000和U+FFFF）。它们可以使用可变长度编码进行编码，使用 8、16 或 24 位（1 到 3 个字节）。
它们可以使用固定长度编码进行编码，使用 16 位（2 个字节）。
它们足以满足大多数主要语言中的几乎所有字符。
补充字符位于 BMP 之外
它们的代码点值介于
U+10000和U+10FFFF之间。对补充字符的 Unicode 支持需要具有超出 BMP 字符范围的字符集，因此比 BMP 字符占用更多空间（每个字符最多 4 个字节）。
UTF-8（使用 8 位单元的 Unicode 转换格式）对 Unicode 数据的编码方法是根据 RFC 3629 实现的，RFC 3629 描述了占用 1 到 4 个字节的编码序列。UTF-8 的理念是，使用不同长度的字节序列对各种 Unicode 字符进行编码
基本拉丁字母、数字和标点符号使用一个字节。
大多数欧洲和中东脚本字母适合 2 字节序列：扩展拉丁字母（带波浪号、长音符、锐音符、重音符和其他重音符）、西里尔字母、希腊字母、亚美尼亚字母、希伯来字母、阿拉伯字母、叙利亚字母等。
韩语、中文和日文表意文字使用 3 字节或 4 字节序列。
MySQL 支持以下 Unicode 字符集
utf8mb4：使用每个字符 1 到 4 个字节的 Unicode 字符集的 UTF-8 编码。utf8mb3：使用每个字符 1 到 3 个字节的 Unicode 字符集的 UTF-8 编码。此字符集已弃用，将在未来版本中删除；请改用utf8mb4。utf8：utf8mb3的过时别名；请改用utf8mb4。注意在未来的 MySQL 版本中，预计
utf8将成为utf8mb4的别名。ucs2：使用每个字符 2 个字节的 Unicode 字符集的 UCS-2 编码。已弃用；预计在未来版本中将删除对该字符集的支持。utf16：Unicode 字符集的 UTF-16 编码，使用每个字符 2 或 4 个字节。与ucs2相似，但为补充字符扩展了支持。utf16le：Unicode 字符集的 UTF-16LE 编码。与utf16相似，但使用小端字节序而不是大端字节序。utf32：使用每个字符 4 个字节的 Unicode 字符集的 UTF-32 编码。
注意
utf8mb3 字符集已弃用，预计将在未来的 MySQL 版本中删除。请改用 utf8mb4。目前，utf8 是 utf8mb3 的别名，但现在此别名也已弃用，预计 utf8 随后将成为对 utf8mb4 的引用。MySQL 8.4 还在信息模式表中的列以及 SQL SHOW 语句的输出中显示 utf8mb3 代替 utf8。
此外，您还应注意，在旧版本的 MySQL 中使用 utf8_ 前缀的排序规则现在已使用前缀 utf8mb3_ 重命名。
为了避免对 utf8 的含义产生歧义，请考虑为字符集引用显式指定 utf8mb4。
表 12.2, “Unicode 字符集的一般特征” 总结了 MySQL 支持的 Unicode 字符集的一般特征。
表 12.2 Unicode 字符集的一般特征
| 字符集 | 支持的字符 | 每个字符所需的存储空间 |
|---|---|---|
utf8mb3，utf8（已弃用） |
仅限 BMP | 1、2 或 3 个字节 |
ucs2 |
仅限 BMP | 2 个字节 |
utf8mb4 |
BMP 和补充 | 1、2、3 或 4 个字节 |
utf16 |
BMP 和补充 | 2 或 4 个字节 |
utf16le |
BMP 和补充 | 2 或 4 个字节 |
utf32 |
BMP 和补充 | 4 个字节 |
BMP 之外的字符将比较为 REPLACEMENT CHARACTER，并在转换为仅支持 BMP 字符的 Unicode 字符集（utf8mb3 或 ucs2）时转换为 '?'。
如果您使用支持补充字符的字符集，因此比仅限 BMP 的 utf8mb3 和 ucs2 字符集更“宽”，则您的应用程序可能会遇到兼容性问题；请参阅 第 12.9.8 节，“在 3 字节和 4 字节 Unicode 字符集之间转换”。该节还介绍了如何将表从（3 字节）utf8mb3 转换为（4 字节）utf8mb4 以及这样做时可能存在的限制。
大多数 Unicode 字符集都提供了一组类似的排序规则。例如，每个字符集都包含一个丹麦语排序规则，其名称分别为 utf8mb4_danish_ci、utf8mb3_danish_ci（已弃用）、utf8_danish_ci（已弃用）、ucs2_danish_ci、utf16_danish_ci 和 utf32_danish_ci。唯一的例外是 utf16le，它只有两个排序规则。有关 Unicode 排序规则及其差异属性（包括补充字符的排序规则属性）的信息，请参阅 第 12.10.1 节，“Unicode 字符集”。
MySQL 中的 UCS-2、UTF-16 和 UTF-32 实现以大端字节序存储字符，并且在值的开头不使用字节顺序标记 (BOM)。其他数据库系统可能使用小端字节序或 BOM。在这种情况下，在这些系统和 MySQL 之间传输数据时需要进行值转换。UTF-16LE 的实现使用小端字节序。
MySQL 不会为 UTF-8 值使用 BOM。
使用 Unicode 与服务器通信的客户端应用程序应相应地设置客户端字符集（例如，通过发出 SET NAMES 'utf8mb4' 语句）。某些字符集不能用作客户端字符集。尝试将它们与 SET NAMES 或 SET CHARACTER SET 一起使用会导致错误。请参阅 不允许的客户端字符集。
以下部分详细介绍了 MySQL 中的 Unicode 字符集。